.svg)
AI 솔루션 문의하기
전자지갑은 결제할 때마다 짧은 순간의 얼굴 인증을 거치는 구조를 가지고 있어, 하루에도 여러 차례씩 반복되는 인증 시도가 쌓이며 라벨링해야 할 자료의 양도 함께 늘어납니다. 인증 한 건이 몇 초 안팎으로 짧게 끝나는 만큼 개별 건을 하나하나 세밀하게 검토하기보다 대량의 자료를 빠르게 처리할 수 있는 라벨링 체계를 갖추어야 실제 운영 규모에 맞는 속도를 유지할 수 있습니다.
전자지갑의 얼굴 인증은 눈을 깜빡이거나 고개를 돌리는 지시된 동작을 순서대로 수행하도록 요구하는 방식을 함께 사용하는 경우가 있으며, 이 동작이 지시된 순서대로 정확히 이루어졌는지를 라벨링 단계에서 판정해야 합니다. 각 동작 구간을 지시된 순서와 대조해 정확히 수행되었는지, 순서가 뒤바뀌었는지, 일부 동작이 생략되었는지를 구분해 표시하는 라벨링 기준을 마련한다면 동작 지시형 라이브니스 판단에 필요한 세밀한 학습 근거를 확보할 수 있습니다.
결제 현장에서는 다른 사람의 사진을 촬영한 화면을 다시 카메라에 비추거나, 미리 녹화된 영상을 재생해 인증을 통과하려는 시도가 발생할 수 있습니다. 사진을 다시 촬영한 자료와 화면을 재생한 자료, 실제 얼굴을 촬영한 자료를 각각 구분해 표시하는 라벨링 체계를 마련한다면 재현 공격의 여러 형태를 세분화해 학습에 반영할 수 있는 기반이 마련됩니다. 화질이 낮아 실제 얼굴과 재현 영상을 구분하기 애매한 경우에는 별도의 검토 절차로 넘기는 기준도 함께 필요합니다.
전자지갑은 가족 구성원이 하나의 기기를 함께 사용하며 각자의 얼굴을 등록해 두는 경우가 있어, 같은 기기에서 수집된 자료라도 서로 다른 인물의 인증 시도가 섞여 있을 수 있습니다. 기기 단위가 아니라 등록된 인물 단위로 자료를 구분해 라벨링하고, 같은 기기 안에서 나타나는 여러 인물의 자료가 서로 뒤섞이지 않도록 관리하는 절차를 마련한다면 가족 공유 환경에서 수집된 자료도 정확하게 정리할 수 있습니다.
여러 명의 라벨 작업자가 함께 작업을 진행하다 보면 같은 자료를 두고도 서로 다른 판단을 내리는 경우가 발생할 수 있으며, 이런 불일치가 관리되지 않으면 학습데이터의 일관성이 흔들릴 수 있습니다. 작업자별로 매긴 라벨을 정기적으로 비교해 판단이 자주 엇갈리는 유형의 자료를 확인하고, 그 유형에 대한 판정 기준을 다시 정리해 작업자들과 공유하는 절차를 운영한다면 시간이 지날수록 작업자 간 판단의 일관성을 높여갈 수 있습니다.
몇 초 안팎의 짧은 인증 영상을 하나씩 재생하며 확인하는 방식은 대량의 자료를 처리해야 하는 상황에서 속도가 느려질 수 있습니다. 동작 구간을 자동으로 나누어 보여주고 반복 재생과 배속 조절이 가능한 도구를 활용한다면 작업자가 짧은 영상의 세부 동작을 빠르게 확인하면서도 판정에 필요한 세밀함을 놓치지 않을 수 있습니다.
수집된 자료 가운데는 명확하게 정상이거나 명확하게 이상이라고 판단할 수 있는 자료와, 판단이 애매해 신중한 검토가 필요한 자료가 함께 섞여 있습니다. 모델이 이미 높은 확신으로 판단하는 자료보다 확신이 낮게 나오는 자료를 우선적으로 사람이 검토하도록 순서를 정하는 방식을 적용한다면 한정된 작업 인력을 판단이 어려운 자료에 집중시켜 라벨링 작업의 효율을 높일 수 있습니다.
라벨링이 끝난 자료라도 이후 모델을 학습시키는 과정에서 특정 라벨이 실제와 다르게 매겨졌다는 사실이 뒤늦게 드러날 수 있습니다. 모델의 학습 결과와 실제 라벨을 주기적으로 비교해 예상과 크게 어긋나는 자료를 찾아내고, 그 자료의 라벨을 다시 검토하는 절차를 함께 운영한다면 처음 라벨링 단계에서 놓친 오류를 뒤늦게라도 바로잡을 수 있습니다.
.svg)
.svg)
